复杂适应系统是由适应性主体(Agent)相互作用、共同演化、并层层涌现出来的系统,是复杂性科学领域的研究热点和前沿。复杂适应系统的适应性主要体现在系统中的Agen可以与环境或其它Agent相互协作、并能够主动适应外部环境条件的变化。作战系统是一种基于多Agent行为和任务的多Agent系统,它的交互机制以及非线性、聚集与解聚性、动态性、多样性等特点,具备了复杂适应系统的显著特征。复杂适应系统范式是指运用复杂适应系统理论开展系统分析与设计的研究模式,是研究作战系统战斗随机协同控制的有效方法。本文基于该范式,探究战斗系统多Agent鲁棒一致性及编队控制、智能协同控制、信息交互、协同任务分配和随机协同控制仿真等问题,主要研究内容和贡献如下:针对多Agent系统的具有时变时滞、参数不确定性和外部扰动的鲁棒一致性控制问题,提出了实现鲁棒一致性的控制器综合算法。首先,考虑具有参数不确定性和外部扰动的线性Agent的一般模型,基于每个Agent行为,设计包含时变时滞因素的分布式控制协议;然后,利用矩阵理论工具,推导出时滞相关鲁棒一致性控制器综合准则;最后,基于一种圆锥补线性化算法,提出了一种实现鲁棒一致性的时滞相关控制器综合算法。通过此准则和算法,确保了多Agent系统动态行为达到协同一致性且满足期望的H_∞指标,保证了系统能够稳定运行。针对具有时变时滞和外部扰动的多Agent系统的鲁棒时变编队控制问题,提出了实现鲁棒时变编队的控制器综合算法。首先,基于每个Agent行为,明确给出多Agent系统的鲁棒时变编队的定义,设计了包含时变时滞因素的分布式控制协议;进而利用带自由权矩阵的Newton-Leibniz公式Lyapunov-Krasovskii泛函和Jensen不等式等数学方法,推导了一种时滞相关条件的鲁棒时变编队控制器综合准则;最后,基于一种圆锥补线性化算法,提出了一种实现鲁棒时变编队控制的时滞相关控制器综合算法,实现了对多Agent系统执行编队行为的相互协调和控制,达到最终实现某一特定编队形式的既定任务。针对多Agent系统的智能协同控制问题,提出了一种基于狼群智能捕猎行为的协同控制算法。首先,利用分布式搜索算法优化空间中的点来模拟自然界中的狼群个体,然后,通过利用领导者策略以及狼群体现出来的社会分工和协同合作机制,提出一种基于改进型狼群搜索算法的智能协同算法。此算法基于无线传感器网络原理进行相互沟通,加入了全局更新策略和步长加速网络,并通过引入个体密度描述狼群分布密度的概念,解决传统狼群算法参数过多的问题;另外,此算法加入相互迁移方式,增加了狼与狼之间的沟通,有效提升多Agent系统的智能协同控制问题的自主性。针对目前战斗系统通信网络、感知网络和战斗武器系统无法自主协同控制的问题,考虑感知与战斗打击有机融合需求,基于无线移动自组织网络,提出了“感知战斗网”的概念。设计了感知战斗网平面对等拓扑结构和网络规划,提出了一种适用于协同控制的动态路由协议实现策略和方法。构建了在同一战斗梯队内的感知器和射手间建立动态火力瞄准数据链,从而将传感信息与目标打击有机地融合在一起,实现高速、实时、动态和可靠地数据传递。针对战斗系统随机协同控制任务问题,构建了战斗系统多Agent体系结构、协同控制模型和战斗协同控制Agent模型类及其功能类,提出了多Agent协同任务分解和任务分配的基本方法,开展了战斗系统随机协同控制关键因素及复杂性分析、协同关系建立和过程研究,基于空地联合战斗系统背景下协同控制方法、过程,重点建立了空中探测器引导地面火力联合打击目标的协同控制模型及其协同控制算法、空地联合指挥的协同控制模型及其协同控制算法,实现了对空地联合战斗随机协同控制方法模型进行了仿真验证,为新型战斗系统随机协同控制方式提供了成功范例。